模型
EEGNet（脑电卷积网络）
EEGNet是一种专为脑电信号设计的紧凑型卷积神经网络，通过深度可分离卷积和空间滤波解决EEG分类中数据少、噪声大的问题，典型应用于运动想象、P300和错误相关负电位等BCI任务。
详细解释
EEGNet由Vernon Lawhern等人于2018年提出，旨在用极少量参数实现跨被试的EEG分类。其结构包含时间卷积、深度空间卷积和可分离卷积，模拟滤波器组常见空间模式。该网络在多个公开数据集上以较少训练数据达到与复杂模型相当的精度，成为BCI领域的基准模型，推动了轻量级EEG解码的发展。
别名与相关写法
eegnet